基于AMW-SVDD的多模态过程故障检测方法
针对传统SVDD方法对多模态过程故障检测率低的问题,提出了自适应滑动窗口-支持向量数据描述(adaptive moving window-support vector data description,AMW-SVDD)的故障检测方法.首先,使用网格搜索方法建立窗宽序列并获取初始窗宽;其次,应用滑动窗口技术将整体数据以窗宽为标准切分到多个子窗口;然后,利用网格搜索方法和粒子群优化(particle swarm opti-mization,PSO)算法,得到最优窗宽和由各窗口最优SVDD模型构成的模型序列;最后,使用最优模型序列进行故障检测,并将此方法应用于数值例子及田纳西伊斯曼(TE)数据集.结果 表明,与传统故障检测方法如KPCA和SVDD等相比,AMW SVDD方法可有效捕获过程数据的多模态特性.AMW-SVDD方法通过滑动窗口技术捕获数据的局部特征,同时应用PSO算法优化局部模型,二者结合可以自适应确定窗宽参数,进一步获取最优子模型序列,能够有效解决多模态过程故障检测问题,为提高SVDD方法在多模态过程中的故障检测性能提供了参考.
自动控制技术其他学科;支持向量数据描述;粒子群优化;滑动窗口;多模态;故障检测
43
TP181;TP277(自动化基础理论)
国家自然科学基金;辽宁省自然科学基金;辽宁省教育厅基金项目
2022-03-17（万方平台首次上网日期，不代表论文的发表时间）
共10页
1-10
